Korreláció
Két sorozat, amelynek a teljes futamra vett korrelációja 0,45, e modul saját hatvan barjából vett tízbaros ablakokon -0,41 és 0,94 között, húszbarosokon pedig -0,03 és 0,89 között olvasható bárhol, ami majdnem a teljes tartomány, amit a mérőszám felvehet. A korreláció egyetlen osztás: két hozamsorozat kovarianciája osztva a szórásaik szorzatával, és ami kijön, az nem a pár tulajdonsága. Három pontos eredmény éli túl ezt a zajt, és éppen ezekért érdemes elvégezni az osztást. A korreláció és az érzékenység ugyanaz a tény kétszer látva, mert egy regressziós meredekség a korreláció szorozva a két szórás hányadosával — egy fedezetnek tehát lehet jó előjele és rossz mérete. Egy fedezet a varianciából a korreláció négyzetét veszi el, nem magát a korrelációt, így a 0,7 talpon hagyja az eredeti szórás 71 százalékát. És egy húsz pozícióból álló könyv, amelynek átlagos páronkénti korrelációja 0,3, három független pozíció kockázatát hordozza; 0,8-nál 1,2-ét. Egyetlen pozícióméret sem változott.
Előfeltételek: 44. lecke, amely kiszámolta azt a mennyiséget, amelynek a korreláció a hányadosa, a 38. lecke, amelynek az ablakproblémája itt harmadszor bukkan fel, és a 20. lecke, amelynek az aritmetikája egyszerre egy pozíciót méretez, és amint kettő van, azonnal szüksége lesz erre a leckére.
Egyetlen osztás, és hogy mit oszt
A korreláció fogja a 44. lecke első két lépését, és hozzátesz egyet. Alakítsd át mindkét árfolyamsorozatot hozamokká. Vedd a kovarianciát, vagyis a két sorozat saját átlagától vett eltéréseinek átlagos szorzatát. Oszd el a két szórás szorzatával. Ez az utolsó osztás a lényeg: a kovarianciát hozam-négyzetben mérik, és párok között nem hasonlítható össze, a hányados viszont mértékegység nélküli és mínusz egy meg egy közé van zárva, így egy két devizán számolt szám odatehető egy két részvényen számolt mellé.
Minden alábbi két sorozaton fut, és a másodikat használat előtt közölni kell. Az első az a hatvan záróár, amellyel ez a modul a 38. lecke óta dolgozik. A második ezekből épül egy közzétett szabály szerint, hogy ennek az oldalnak minden száma reprodukálható legyen: minden hozama az első sorozat adott baron mért hozamának a fele, plusz az első sorozat 29 barral későbbi hozamának a 0,866-a, a futam végén elölről kezdve. Ezeket a súlyokat úgy választották, hogy a második sorozat nagyjából az első volatilitását kapja, és vele fél korrelációt. Ami valójában kijön, az 0,45, mert az eltolt sorozat nincs teljesen korrelálatlanul az eredetivel — -0,07-nek olvasható —, és ez a hiba az első, amit észre kell venni. Egy pár, amelyet arra építettek, hogy hatvan baron eltaláljon egy célt, öt ponttal hibázik.
A korreláció és az érzékenység ugyanaz a tény
Azt kérdezni, mennyit mozdul a második instrumentum, amikor az első egy százalékot mozdul, regressziós meredekséget kér, nem korrelációt. A kettő nem egymás alternatívája. A meredekség a korreláció szorozva a szórások hányadosával, a másodikkal az első fölött, és ez az azonosság pontos, nem közelítő. Ezen a két sorozaton a kovariancia az első varianciájával osztva 0,4374-et ad, és a 0,4518-as korreláció a 0,9682-es volatilitáshányadossal szorozva szintén 0,4374-et ad. Ugyanaz a szám, két úton.
Az azonosságot érdemes ismerni, mert a két fele egymástól függetlenül mond csődöt. Egy egyhez közeli korreláció azt mondja, hogy két dolog együtt mozog; azt, hogy mennyit, semmit sem mond. Ha a második instrumentum harmadannyira volatilis, mint az első, egy 0,95-ös korreláció még mindig azt jelenti, hogy egy egysége csak az első egy egységének a harmadát ellensúlyozza, és egy az egyben tartani őket a kitettség kétharmadát fedezetlenül hagyja. Így lesz egy fedezetnek jó előjele és rossz mérete, és ezért az ésszerű utasítás az, hogy számold ki mindkét számot és szorozd össze őket, ne pedig hogy leolvass egy korrelációt és megnyugodj.
Az aritmetika második fele kényelmetlenebb. Fedezz egy instrumentumot egy másikkal a lehető legjobb arányban, és a megmaradó variancia egy mínusz a korreláció négyzete. A négyzetre emelés kegyetlen azokon a szinteken, amelyekkel az emberek valóban dolgoznak. Egy 0,3-as korreláció elveszi a variancia 9 százalékát, és meghagyja a szórás 95 százalékát. 0,5-nél 25 százalékot vesz el, és 87-et hagy. 0,7-nél, amit szinte bárki erős kapcsolatnak nevezne, 49 százalékot vesz el, és még mindig meghagyja az eredeti szélesség 71 százalékát. A maradék csak 0,9-nél megy a fele alá, és csak 0,95-nél egyharmad alá. A modul két sorozatán, amelyek korrelációja 0,4518, az elérhető legjobb fedezet a variancia 20 százalékát veszi el. Abban a pozícióban minden más ott van még.
Az ablak, harmadszor
A 38. lecke megállapította, hogy egy mérés az ablakához tartozik, a 44. lecke pedig kétszer is megtalálta ezt a hatást a volatilitásban. A korrelációnál rosszabb a helyzet, mert az egy helyett három becslés hányadosa, és a hibák nem oltják ki egymást. Alább a modul két sorozata közötti korreláció, kiszámítva minden olyan hosszúságú minden ablakra, amit a futam megenged.
| Barok az ablakban | Elérhető ablakok | A legalacsonyabb | Medián | A legmagasabb | A legmagasabb mínusz a legalacsonyabb |
|---|---|---|---|---|---|
| 10 | 50 | -0,41 | 0,41 | 0,94 | 1,35 |
| 20 | 40 | -0,03 | 0,38 | 0,89 | 0,92 |
| 30 | 30 | 0,05 | 0,52 | 0,83 | 0,78 |
| 59 | 1 | 0,45 | 0,45 | 0,45 | 0,00 |
Először az utolsó oszlopot nézd. A korrelációs együttható csak két egységnyi távolságon belüli értékeket vehet fel, mínusz egytől egyig, és ennek a párnak egy tízbaros becslése ebből a két egységből 1,35-öt fed le. Nem arról van szó, hogy a becslés pontatlan; arról van szó, hogy egy tízbaros ablak ugyanarról a párról, ugyanabban a futamban, néhány barnyi távolságban erős negatív és erős pozitív kapcsolatot is jelenthet. A konstrukcióban semmi nem változott. Ugyanaz a szabály hozta létre a sorozat minden hozamát.
A mintavételi aritmetika pontosan megmondja, ebből mennyi a zaj. Egy megfigyelt 0,50-es korreláció körül a 95 százalékos intervallum 20 megfigyelésből 0,07-től 0,77-ig tart. 60 megfigyelésből 0,28-tól 0,67-ig. Egy teljes, 252-es évből még mindig 0,40-től 0,59-ig, vagyis egy egység ötödének megfelelő szélességben, egy évnyi napi adat után. A magas korrelációkat pontosabban mérik — egy megfigyelt 0,90 60 megfigyelésen 0,84 és 0,94 között ül —, ami csekély vigasz, mert egy könyv szempontjából épp a magas értékek számítanak.
Az előjel nem a pár tulajdonsága
A leggyakoribb dolog, amit két instrumentumról mondanak, az, hogy fordítottan korreláltak, mintha az előjel tény volna róluk. Nem az. Vedd az összes közül a legtöbbet idézett párt, a részvényeket és az államkötvényeket, és adj a piacnak két egymástól független dolgot, amitől félhet: a növekedést és a kamatokat. A jó növekedési hír felviszi a részvényeket és árt a kötvényeknek, mert megemeli a később várt kamatokat. A kamatok emelkedése mindkettőnek árt, mert erősebben diszkontál minden jövőbeli pénzáramot. Írd a részvényeket növekedés mínusz kamatok alakban, a kötvényeket mínusz növekedés mínusz kamatok alakban, és a kettő közötti kovariancia a kamatsokk varianciája mínusz a növekedési sokk varianciája lesz, míg mindkettő varianciája az összegükkel egyenlő.
A korreláció tehát a két variancia különbsége osztva az összegükkel, és semmi más. Adj a növekedési sokknak a kamatsokk háromszoros varianciáját, és -0,50 lesz; adj a kamatsokknak a növekedési sokk háromszoros varianciáját, és 0,50. Kilencszeres bármelyik irányban -0,80-at és 0,80-at ad. Amikor egyformán fontosak, pontosan nulla. Ezen az egész tartományon senki nem változtatott a viselkedésén, és egyetlen kapcsolat sem tört el; az változott meg, hogy mi aggasztotta a piacot, és a korreláció ennek a keveréknek a kijelzése.
Ebből két dolog következik, amit könnyű félreérteni. Először: a részvények és a kötvények nulla korrelációja nem azt jelenti, hogy nincs közük egymáshoz; e számítás szerint azt jelenti, hogy két ellenkező előjelű erős kapcsolat egyensúlyban van, ami teljesen más helyzet, mint két olyan instrumentum, amelynek valóban semmi köze egymáshoz, és nem is fog nullán maradni. Másodszor: egy előjelváltás nem bizonyítéka annak, hogy valami eltört. Annak a bizonyítéka, hogy megváltozott az uralkodó sokk, amit a piacok rutinszerűen megtesznek, és amit gyakran a naptárból előre látni.
Miért emelkedik válságban, és ebből az emelkedésből mennyi valódi
Az a megfigyelés, hogy a korrelációk egyhez tartanak, amikor minden esik, elég igaz ahhoz, hogy komolyan vegyük, és rendszerint a félelemmel magyarázzák, ami semmit sem magyaráz. Három mechanizmus van, és egyik sem a félelem.
Az első tiszta aritmetika. Tegyük fel, hogy minden instrumentum hozama egy közös faktor plusz valami sajátja. A korreláció bármelyik kettő között a közös faktor varianciája osztva ennek és az idioszinkratikus varianciának az összegével. Most hagyd, hogy a közös sokk nagyobb legyen anélkül, hogy bármi más változna: egyetlen érzékenység sem változik, egyetlen szereplő sem viselkedik másképp, egyetlen instrumentumon sem módosul semmi. Ha a közös sokk varianciája 1 volt egy 3-as idioszinkratikussal szemben, a korreláció 0,25 volt. Háromszorozd meg a közös sokk szórását, ami a varianciáját 9-re viszi, és a korreláció 0,75. Ennyi az egész mozgás, és abból következik, hogy a korreláció olyan hányados, amelynek a számlálóját egy válság felfújja.
A második mechanizmus valódi, és egyáltalán nem a faktorszerkezetről szól. Egy tőkeáttételes tulajdonos, akit letéti felszólítás ér, azt adja el, amije van, nem azt, ami esik, így olyan instrumentumok kezdenek együtt mozogni, amelyeknek semmi közük egymáshoz, mert egyetlen mérleg tartalmazza mindet. Ez egy új közös faktor, amelyet a felszámolás teremtett, és pontosan addig tart, ameddig az. Ezért haladhatja meg egy válságkorreláció mindazt, amit a szokásos faktorszerkezet létrehozna, és ezért tűnhet el napok alatt.
A harmadik az, hogy maga a mérés torzított, és ez megérdemli az aritmetikát, mert nagy. A csak a viharos szakaszon számolt korreláció magasabbra jön ki, mint ugyanannak a párnak a mindenre kiterjedően mért korrelációja, még akkor is, ha egyáltalán semmi nem változott, mert az egyik sorozat nagy mozgásaira való feltételezés éppen azokat a megfigyeléseket választja ki, ahol a közös komponens uralkodott. A korrekció a megfigyelt számot elosztja a következő négyzetgyökével: egy, plusz a variancia arányos emelkedése szorozva eggyel mínusz a megfigyelt korreláció négyzete. Végy egy szakaszt, amelynek a varianciája megnégyszereződött, vagyis a volatilitása megduplázódott: egy megfigyelt 0,80-as korreláció ekkor egy feltétel nélküli 0,55-nek felel meg. Egy megfigyelt 0,60 a 0,35-nek. Egy megfigyelt 0,90 a 0,72-nek.
Ez a korrekció vitatott, és a nézeteltérés a kérdés őszinte állapota, nem lábjegyzet. A volatilitásra való igazítás a látszólagos emelkedés nagy részét elveszi, de az eloszlás szélső részeit vizsgáló munkák azt találják, hogy a korreláció eső piacokon mégis jobban emelkedik, mint amennyit önmagában a volatilitás magyaráz, és emelkedő piacokon nem ugyanúgy emelkedik. Tehát a növekedés egy része a viharos időszakban való mérés műterméke, egy része pedig az eső piacok valódi tulajdonsága. Amit az aritmetika eldönt, az az, hogy a műtermék elég nagy ahhoz, hogy számítson: aki válságkorrelációt idéz anélkül, hogy elmondaná, mit csinált a variancia, olyan számot idéz, amelyet ismeretlen és tetemes mértékben felfújtak.
Mit tesz egy könyvvel
Minden fenti egyetlen számítás előkészítése, és ez a számítás az oka annak, hogy a korreláció szerepel a tananyagban. Tarts két azonos méretű pozíciót azonos volatilitású instrumentumokban, és a pár szórása a kétszer egy plusz korreláció négyzetgyöke, egy pozíció egységeiben. Nulla korrelációnál ez 1,41 és nem 2: két azonos méretű független fogadás kevesebb mint kétszeres kockázatot hordoz, és ez a különbség maga a diverzifikáció. 0,3-nál 1,61. 0,8-nál 1,90. 1,0-nál pontosan 2, ami egyetlen pozíció két tickerrel rajta.
Terjeszd ki ezt bármekkora egyenlő súlyozású könyvre, és az aritmetika pontos marad. Azonos volatilitású instrumentumokból álló, adott átlagos páronkénti korrelációjú könyv kevesebb független pozíció kockázatát hordozza, és ez a szám a darabszám osztva eggyel plusz a darabszám mínusz egy szorozva az átlagos korrelációval. Az átlagos páronkénti korrelációtól függ, és a szerkezet semmi másától, amit érdemes tudni, mert azt jelenti, hogy egy korrelált könyvet nem lehet megjavítani azzal, hogy átrendezed, milyen nevek vannak benne.
| Átlagos páronkénti korreláció | 2 név | 5 név | 20 név | 50 név |
|---|---|---|---|---|
| 0,0 | 2,00 | 5,00 | 20,00 | 50,00 |
| 0,1 | 1,82 | 3,57 | 6,90 | 8,47 |
| 0,3 | 1,54 | 2,27 | 2,99 | 3,18 |
| 0,5 | 1,33 | 1,67 | 1,90 | 1,96 |
| 0,8 | 1,11 | 1,19 | 1,23 | 1,24 |
A táblázat minden száma azoknak a független pozícióknak a száma, amelyeket a könyv valójában hordoz. Olvasd a 0,3-as sort keresztben: öt névről ötvenre menni, vagyis a működtetés munkáját megtízszerezni, a számot 2,27 független fogadásról 3,18-ra viszi. Olvasd a 20 neves oszlopot fentről lefelé, és az összeomlás még gyorsabb: nulla korrelációnál húszról 0,1-nél 6,90-re és 0,3-nál 2,99-re. Az első tized korreláció a könyv diverzifikációjának több mint a felébe kerül. Ez nem válságokra vonatkozó figyelmeztetés; a 0,1 csendes piac.
A padlót érdemes megnevezni, mert pontos. Ahogy a nevek száma határ nélkül nő, a könyv szórása az átlagos korreláció négyzetgyökéhez tart, szorozva egyetlen név szórásával. 0,3-nál ez a padló 0,55, tehát semmilyen pozíciószám nem visz egy ilyen átlagos páronkénti korrelációjú könyvet az egyikük volatilitásának 55 százaléka alá. 0,8-nál a padló 0,89. Neveket hozzáadni azon a ponton túl, ahol a szám már nem emelkedik, olyan munka, amely semmit nem vásárol.
Most tedd bele a válságot. Egy húsz neves könyv 0,3-as átlagos korrelációnál 2,99 független fogadást és egyetlen név 0,58-ának megfelelő szórást hordoz. Vidd a korrelációt 0,75-ra — ezt tulajdonítja a fenti aritmetika egy háromszorosára nőtt közös sokknak —, és ugyanaz a könyv 1,31 független fogadást és 0,87 szórást hordoz. A kockázata 51 százalékkal nőtt, és senki nem kereskedett. Hogy visszatérj a korábbi kockázathoz, minden pozíciónak 34 százalékkal le kell jönnie — és ez a vágás a válasz arra a kérdésre, amelyet a 44. lecke nyitva hagyott, mert ezt a vágást a volatilitás szerinti méretezés nem végzi el helyetted. A 44. lecke aritmetikája minden pozíciót a saját volatilitásához méretez, egyesével, és vak arra, hogy ugyanazzá a pozícióvá kezdtek válni.
Amit ez nem old meg
Hogy az általad mért korreláció a korreláció. Ez egy becslés, méghozzá zajos. Egy megfigyelt 0,50 körül a 95 százalékos intervallum 20 megfigyelésből 0,07-től 0,77-ig, 60 megfigyelésből 0,28-tól 0,67-ig, egy teljes, 252 megfigyeléses évből pedig 0,40-től 0,59-ig tart. Minden platform minden gördülő korrelációja ilyenfajta szám. Mielőtt egy benne mutatkozó változást a piac változásának vennél, ellenőrizd, átfedik-e egymást a két leolvasás intervallumai, mert az emberek által használt ablakhosszakon szinte mindig átfedik.
Hogy az átlagos páronkénti korreláció minden, amit egy könyvről tudni kell. A varianciához az, pontosan, és ezért nem függ a fenti számlálás semmi mástól. Semmi máshoz nem az. Vedd ugyanazt a húsz nevet és ugyanazt a 0,3-as átlagot, de rendezd őket két tízes blokkba, blokkon belül 0,75-ös, blokkok között -0,105-ös korrelációval: ez érvényes korrelációs mátrix, és számjegyre pontosan 0,3-at átlagol. A könyv továbbra is 2,99 független fogadást és 0,58-as szórást mutat, mert ezek egyedül az átlagon múlnak. De húsz nevéből tíz olyan blokk, amely egymás közt 1,29 független fogadást hordoz, tehát a könyv fele egyetlen pozíció, és a fenti táblázat egyetlen száma sem látja ezt. A fenti mondat, hogy egy korrelált könyvet nem lehet a nevei átrendezésével megjavítani, a varianciáról igaz, és semmi tágabbról. Futtasd le a számlálást a blokkjaidra is, ne csak az egészre.
Hogy a korreláció azt méri, mennyire függ össze két dolog. Azt méri, mennyire illeszkedik egy egyenes, és semmi mást. Két sorozat tökéletesen meghatározhatja egymást, és mégis nullát mutathat, ami mindig előfordul, amikor a kapcsolat egy fordulópont körül szimmetrikus — egy pozíció, amely mindkét irányban veszít egy nagy mozduláson, pontosan ilyen alakú. Minden ezen az oldalon olyan instrumentumokra vonatkozik, amelyek kapcsolata nagyjából lineáris azon a tartományon, ahol tartod őket, és az opciók nem tartoznak közéjük.
Hogy ennek a két sorozatnak a számai bárkiéi. A másodikat éppen azért építették az elsőből a fent kinyomtatott szabály szerint, hogy az aritmetika ellenőrizhető legyen, a modul hatvan barja pedig eleve arra készült, hogy kis grafikonon olvasható legyen. Az ablaktáblázat alakja átvihető — a rövid ablakok valódi adatokon is tényleg vad korrelációkat adnak, ugyanabból az okból. A konkrét számok nem, és a 0,45 sem.
Hogy a könyv aritmetikája egy valódi könyvet fed le. A hatékony darabszám azt feltételezi, hogy minden pozíció ugyanakkora és minden instrumentum ugyanolyan volatilis. Egy könyv, amelyben az egyik pozíció háromszor akkora, mint a többi, közelebb van ahhoz, hogy az az egy pozíció legyen, mint amit bármilyen tickerszámlálás sugall, és az orvosság ugyanezt a számítást elvégezni a pozíciókkal aszerint súlyozva, amit valójában kockáztatnak. Az átlagos korrelációról szóló eredmény egyenlő súlyok mellett pontos marad, és abban a pillanatban szűnik meg pontosnak lenni, amikor a súlyok nem egyenlők.
Hogy egy korreláció elég stabil ahhoz, hogy fedezetet építs rá. A fedezeti arány egy korreláció szorozva két volatilitás hányadosával: három becslés, mindegyik a maga hibájával, egyetlen számmá összevonva, amely aztán eldönt egy méretet. És ez a mennyiség éppen azokban a körülményekben mozdul a legjobban, amelyekben a fedezettől azt kérik, hogy működjön. Egy csendes piaci korrelációra méretezett fedezet arra a piacra van méretezve, amely nincs, amikor szükséged van rá.
Feladatok
- Számold meg a független fogadásokat a saját könyvedben. Vedd a pozíciókat, amelyeket tartasz, számold ki minden pár korrelációját az utolsó 60 baron, átlagold ezeket a korrelációkat, és tedd az átlagot a darabszám osztva eggyel plusz a darabszám mínusz egy szorozva az átlaggal képletbe. Írd a választ a képernyődön lévő tickerek száma mellé. Ha tizenöt dolgot tartasz, és az aritmetika két és felet mond, most már tudod, mit ér a diverzifikációd, és ez a szám semmilyen más úton nem volt megszerezhető.
- Minden fedezetet a két száma alapján ítélj meg, ne a története alapján. Bármire, amit azért tartasz, mert valami mást kellene ellensúlyoznia, számold ki a kettő közötti korrelációt, számold ki a szórásaik hányadosát, és szorozd össze. Ez a szorzat az a méret, amekkorának a fedezetnek lennie kellene, a fedezett dolog egységére vetítve. Hasonlítsd össze azzal a mérettel, amit valójában tartasz. Utána emeld négyzetre a korrelációt, és olvasd le, a varianciából mennyit vesz el a fedezet még akkor is, ha tökéletesen van méretezve. 0,7-nél a válasz kevesebb mint a fele.
- Vágd ketté a saját történetedet, és alkalmazd a korrekciót. Végy egy párt, ami érdekel, vágd ketté a történetét az első instrumentum volatilitása szerint csendesebb és viharosabb felére, és számold ki a korrelációt mindegyikben külön. Utána vedd a két variancia hányadosát, és alkalmazd a fenti korrekciót a viharos fél számára. Ami a különbségből túléli ezt az igazítást, az az a rész, amely nem műterméke a viharos szakaszban való mérésnek, és általában jóval kisebb, mint amit a nyers összehasonlítás sugallt.
Források. Francis Galton, „Co-relations and their Measurement, chiefly from Anthropometric Data” (Proceedings of the Royal Society of London, 1888), magáért az együtthatóért, amelyet nem piacok, hanem végtaghosszak összehasonlítására vezettek be, és amelyet akkor pontosan úgy határoztak meg, ahogyan ma számolják. Ronald A. Fisher, „Frequency Distribution of the Values of the Correlation Coefficient in Samples from an Indefinitely Large Population” (Biometrika, 1915), a mintavételi eloszlásért és azért a transzformációért, amelyből a fent idézett intervallumok származnak. Harry Markowitz, „Portfolio Selection” (The Journal of Finance, 1952), a portfólióvariancia azonosságáért, amely egy páronkénti korrelációt egy könyvről szóló állítássá alakít, és ez az egyetlen oka annak, hogy mindebből bármi is egy kereskedési tananyagban szerepel. Kristin J. Forbes és Roberto Rigobon, „No Contagion, Only Interdependence: Measuring Stock Market Comovements” (The Journal of Finance, 2002), a feltételezésből eredő torzításért és a fent alkalmazott korrekcióért. François Longin és Bruno Solnik, „Extreme Correlation of International Equity Markets” (The Journal of Finance, 2001), ennek az érvnek a másik oldaláért: a korreláció eső piacokon jobban emelkedik, mint amennyit a volatilitásra való igazítás megmagyaráz, és emelkedő piacokon nem ugyanúgy emelkedik.
A fenti harmadik mechanizmusban a korreláció azért emelkedett, mert egyetlen mérleg tartott mindent, és ez egy olyan mennyiségre mutat, amelyről ez a modul semmit nem mért. A 38-tól 45-ig terjedő leckék minden száma árakból lett kiszámolva. Egyik sem mondja meg, ki tartja a tiéddel szemközti pozíciót, mennyi van belőle, és mennyit vettek fel belőle kölcsön. A 46. lecke azokat a pozíciós adatokat veszi elő, amelyeket valóban közzétesznek: mit tartalmaznak a jelentések, mekkora a késés a leírt dátum és a megjelenés dátuma között, miért nem ugyanaz egy nagy pozíció, mint egy zsúfolt, és mi következtethető és mi nem abból, hogy valaki más vásárolt oldalon áll.
A volatilitás mint mennyiség
A mennyiség, amelynek a korreláció a hányadosa, és a méretezés, amelyet ez a lecke javít.
Lecke elolvasása →Mi az az idősík
Az ablakprobléma általános alakjában, mielőtt a korreláció rontott volna rajta.
Lecke elolvasása →Pozícióméretezés
Az aritmetika, amely egyszerre egy pozíciót méretez, és a másodikat nem látja.
Lecke elolvasása →Pozíciós adatok
Ki tartja a másik oldalt, és mennyit vettek fel belőle kölcsön.
Lecke elolvasása →Kizárólag oktatási célra. A kereskedés jelentős veszteségkockázattal jár. Ez nem pénzügyi tanácsadás. A múltbeli teljesítmény nem garantálja a jövőbeli eredményeket.
💬 Beszélgetés (0 hozzászólás)
Hozzászólások betöltése…
Készen állsz a Signal Pilottal kereskedni?
Váltsd gyakorlatra a tanultakat professzionális indikátorokkal és valós idejű piacelemző eszközökkel.
Vissza a Signal Pilothoz →